信息与控制

作者：卢敏, 叶贞成, 钱锋

关键词：多源迁移学习, 样本平衡, Tradaboost算法, 决策树, 乙烯精馏塔

基于数据驱动的工业过程建模需要依赖大量的标记良好的数据集，但与目标任务直接相关的标注数据往往是有限的。因此，可以利用与其具有相关性的辅助训练数据进行建模以实现任务迁移。然而，样本的不平衡问题一定程度上影响了迁移学习的性能表现。因此，提出了一种基于样本平衡策略的多源迁移学习方法，首先，对于同一源域内样本，采用最小二乘方法融合多个候选预测器得到单个源预测器，以协同利用域内不同样本包含的可迁移信息。此外，对于不同源域间样本，基于误差函数将多个源预测器加权组合得到多源预测模型。最后以乙烯精馏塔为对象进行案例分析，验证了所提出方法的有效性。

来源：2022年第5期

《信息与控制》期刊编辑部

查看信息与控制杂志2022年第5期